GPS接收机C/A码跟踪算法及环路控制策略

高动态GPS接收机指在接收信号有较大的多普勒频率偏移及其一阶、二阶导数存在时仍能正常工作的GPS接收机。针对高动态环境下伪码跟踪所遇到的问题,重点研究了与高动态载波跟踪算法相匹配的、基于载波辅助技术的归一化非相干点积功率伪码跟踪算法,以及预检积分时间可变的伪码跟踪环路控制策略。采用MATLAB建立了系统模型,仿真结果表明:采用伪码跟踪算法以及结合相应的高动态载波跟踪算法的伪码跟踪控制策略的GPS接收机能在加速度为80 g,加速度为10 g.s-1的指标下正常工作。     

铁路客运站复杂环境中的运动目标检测

采用分层组织的形式将传统高斯混合模型分为背景层、竞争层和噪声层,各层分别采用不同的更新机制,在各层之间引入晋级和降级机制以纠正可能存在的误判。采用基于轮廓检测的噪声滤波实现噪声层更新以消除噪声,并利用直方图匹配检测伪前景区域以提高对背景变化的适应能力。使用停车场视频和铁路客运站候车室视频对改进后高斯混合模型的检测效果进行了验证。验证结果表明:改进的高斯混合模型有效避免了长期静止的目标被融入背景,降低了光线突变或摄像机噪声的干扰,加快了背景改变时模型的更新速度,目标检测速度比传统GMM提高了10%。检则方法满足了铁路客运站智能视频监控实时性和准确性的要求,为视频分析奠定了基础。     

自航模运行轨迹自动跟踪系统研究

通过对自航模运行特点的研究,研制出一套利用伺服系统驱动的单台摄像机自动跟踪系统,主要由水平旋转伺服系统、垂直旋转伺服系统和安装在伺服系统之上的工业相机组成。系统对图像进行采集和处理,并与伺服系统形成闭环。当船模成像到达图像正中心后,采集当前水平与垂直伺服系统的角度,计算当前船模坐标,并与上一坐标点进行关联,绘制运行路径。通过实际测试,该系统运行稳定,轨迹定位精度满足工程要求。     

方位和多普勒频移联合的目标要素估计

提出一种利用目标方位信息和多普勒频移信息联合估计匀速直线运动目标要素的方法。该方法适用于观测站不机动情形下目标运动分析问题。将2种目标信息分别伪线性化,建立对应的伪线性模型,利用最小二乘方法构建2个伪线性滤波器,后融合的方法得到了目标要素估计的算法。与现有的基于方位和多普勒频移进行目标要素估计的方法相比,该方法有以下不同特点：1）2个线性估计器均是二维系统,可观测性增强;2）在多普勒频移估计器中,不需要估计线谱的原信号频率。数值仿真给出了不同观测误差下的算法性能,试验验证了方法的实际有效性。     

基于双树复小波的被动目标特征提取方法研究

针对水下目标辐射噪声特征提取困难的问题,提出一种基于双树复小波变换的特征提取方法。首先,采用一种改进的小波阈值去噪方法去除水下目标辐射噪声信号中的噪声成分,该方法可以获得优于经典小波阈值去噪方法的结果;其次,在特征提取过程中,采用具有近似平移不变性的双树复小波变换,该方法能够克服信号时移带来的影响,得到稳定的目标特征向量。仿真试验和实航数据处理结果表明,本文方法提取的目标特征向量比使用离散小波变换提取的结果更稳定。     

深海会聚区目标强度特性分析

深海中当声源位于海表面附近时,在远离声源处会形成高声强焦散的会聚区。在现代水声技术应用中,可以利用水下声道中的会聚区来实现深海目标的远程探测。本文对会聚区的形成条件和会聚区目标相对声强的特性进行分析,结果表明：只有当声速极小值存在并且声线出射角满足一定条件时才会形成会聚区效应;会聚区中相对声强水平分布具有双峰结构;当接收深度与目标深度相同时相对声强会出现峰值,这为深海目标的深度判定提供了一种方法。     

沥青混合料车辙试验时间研究

多数典型车辙试验的时间高达2h以上,通过车辙试验分析发现,延长试验时间不能带来试验结果平行性的改善,但有助于不同沥青混合料的区分。基于不同荷载与温度条件下的车辙试验发现,材料失稳的关键因素是温度与应力,而不是试验时间。分析指出:低温低压条件下,材料趋于硬化;同时提高试验温度与应力有助于"失稳"出现。     

弹道再入目标轨迹跟踪中非线性滤波算法研究

弹道再入目标轨迹跟踪是一个重要的非线性滤波应用问题。论文将常见的非线性滤波器分类为基于点的滤波器和基于密度的滤波器,对比分析了各类算法的基础理论原理,仿真实验得出在高斯噪声条件下,EKF要优于UKF和PF,在闪烁噪声条件下PF要优于EKF和UKF的结论。     

南海岛礁火力打击作战目标选择模型

为了满足体系作战要求,结合南海岛礁火力打击作战的特点和实际,将岛礁群构成的目标体系抽象为网络,利用系统优势函数和网络效能评估目标体系的整体作战能力,以最大程度地降低整体作战能力为目标,建立目标选择模型,设计模型的求解算法.通过实例分析,得到了最优目标选择方案,验证模型和算法的有效性.研究成果解决了目标体系的目标选择问题,具有较大的应用价值和军事意义.     

粒子滤波和无轨迹粒子滤波算法比较

解决水下水声目标的定位跟踪问题,需要建立动态的非线性非高斯模型,粒子滤波直接采用未含有最新量测信息的状态转移先验分布函数作为重要性密度函数来逼近后验概率密度函数,无轨迹粒子滤波是在粒子滤波的过程中引入重采样技术,通过无轨迹变换设计重要性密度函数,使其更加接近系统状态后验概率密度。仿真结果表明粒子滤波和无轨迹粒子滤波算法都可以提高定位跟踪精度,但无轨迹粒子滤波算法的估计精度更高,更适用于工程实践。